四种操作系统共存于同一台计算机中的实现

针对很多计算机应用场合 ,要求一台计算机具有多种职能 ,需要多种操作系统支持的需求 ,本文讨论了多种操作系统共存于一台计算机中的技术     

遵毕高速公路采空区勘察治理技术研究

研究遵毕高速公路建设过程中遇到的各种煤矿采空区问题,应用注浆法、开挖回填方法、强夯法、桥跨方法等措施治理采空区,为贵州山区高速公路采空区治理提供了经验。     

针织物外观平整度的小波分析与等级评定

引入二维小波分析方法,分析针织物的外观平整度,提取了较为精细的针织物图像信息.图像首先经过中值滤波,再利用小波变换分解并从中提取高频信息,然后结合4种表征织物折皱的特征参数,计算不同平整度等级模板的特征值.并以此为依据,运用最小距离判别法,确定16种不同针织物类型的平整度等级.为了定量描述评定结果,通过计算客观评定与主观评定结果的相关系数,验证该方法的可行性.     

原子非简谐振动对石墨烯吸附系统电荷分布的影响

建立了石墨烯吸附原子系统的物理模型,考虑到原子的非简谐振动和电子-声子相互作用,计算了吸附原子与石墨烯原子的相互作用能,用统计物理理论和方法,得到在石墨烯上吸附原子的概率和金属原子电荷填充数随温度变化的解析表示式.以碱金属为例,探讨了电子-声子相互作用和原子非简谐振动对电荷填充数的影响.结果表明:石墨烯吸附系统的电荷填充数随吸附原子距离的增大而线性地减小,随温度的升高和电子-声子相互作用能的增大而非线性地增大;若不考虑非简谐振动,则电荷填充数与位置、温度等无关.温度愈高、电子-声子相互作用能愈小,非简谐效应愈显著.     

SWR算法在期权定价中的应用

本文首先借鉴Schwarz波形松弛算法求解热传导方程的思路分析了SWR算法在欧式期权定价问题中的可行性,然后将欧式看涨期权定价问题转换为一类热传导方程的初-边值问题,通过Schwarz迭代方法获得了相应的误差方程,进而给出了算法误差的收敛性结果及算法的流程.数值实验表明,与经典的欧式期权定价公式相比,本算法具有更好的估计效果.     

基于CVaR带有改进的典型交易成本的多目标投资组合模型

【目的】为了进行有效的投资,即投资者在有限的资本上通过控制风险最小并取得最大收益。【方法】利用多目标遗传算法求解。【结果】建立了一个多目标的投资组合模型,在改进后的典型交易成本基础上,实现投资组合收益最大且CVaR最小。【结论】选取国内股票市场的历史数据,用Matlab R2016a对所选数据进行实证分析,得出了一个切实可行的投资策略。     

基于 UKF车辆状态及路面附着系数估计的AFS控制

本文侧重于主动前轮转向(Active Front Steering,AFS)控制系统的应用性与可行性研究,针对紧急转向工况下轮胎呈现强非线性问题,以及AFS控制算法中部分状态量难以获取、路面附着系数对车辆稳定性有重要影响但难以直接测量等问题,设计非线性滑模控制器以综合考虑载荷转移、轮胎非线性及路面条件等对操稳性影响,同时,通过ESP系统现有的IMU传感器测量信息,运用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法为滑模控制器动态估计车辆状态信息和路面附着系数.在得到期望轮胎侧偏力后,通过非线性轮胎模型精确反求所需叠加转角,以在"轮胎-路面"附着能力范围内检验控制系统的有效性.最后,高附着系数情况下的鱼钩测试仿真及低附着系数时的角阶跃转向仿真共同表明,通过IMU与UKF结合的状态估计确保了AFS控制系统的可行性,有效提高了车辆操纵稳定性.     

基于CRF和多元规则的层次化句法分析

针对句法分析中细粒度和粗粒度组块识别模型的冲突问题, 为解决句法分析中词语搭配规则多、减少搭配优先级变动的影响, 提出一种结合条件随机场（CRF）和多元规则的层次化句法分析模型. 先利用CRF算法识别细粒度语句的组块标记序列, 然后结合统计和多元规则识别粗粒度组块, 在识别出的组块中层层引入不同优先级的二元、三元规则. 该模型实现了同时进行细粒度和粗粒度组块的识别, 可更好地服务于句法分析. 在Chinese TreeBank8.0（CTB8.0）语料上采用5-折交叉验证, 结果表明, 相比于仅使用二元、 三元规则及使用CRF+二元规则的句法分析, 该模型的正确率分别约提高12%,3%,5%, 验证了该模型有效性和稳定性.     

一种基于规则与句法合成的层次化语句分析识别算法

首先, 在句子组织信息之间的结合度及基于规则、 词性和词序对句法分析系统影响的基础上, 提出一种基于规则的语句分析识别算法, 能在大量文本中快速识别出正确句式; 其次,在基于语句分析识别算法的基础上, 提出一种基于规则与句法合成的层次化语句分析识别算法, 以提高层次化句式识别检错的精度. 实验结果表明, 该算法平均精确率和平均召回率分别为84.65%和77.15%, 相比于只基于规则的语句识别算法分别提高了11.79%和14.48%, 证明了规则与句法合成的层次化语句分析识别的可行性.     

深度优先局部聚合哈希

已有的深度监督哈希方法不能有效地利用提取到的卷积特征,同时,也忽视了数据对之间相似性信息分布对于哈希网络的作用,最终导致学到的哈希编码之间的区分性不足.为了解决该问题,提出了一种新颖的深度监督哈希方法,称之为深度优先局部聚合哈希(Deep Priority Local Aggregated Hashing,DPLAH).DPLAH将局部聚合描述子向量嵌入到哈希网络中,提高网络对同类数据的表达能力,并且通过在数据对之间施加不同权重,从而减少相似性信息分布倾斜对哈希网络的影响.利用Pytorch深度框架进行DPLAH实验,使用NetVLAD层对Resnet18网络模型输出的卷积特征进行聚合,将聚合得到的特征进行哈希编码学习.在CI-FAR-10和NUS-WIDE数据集上的图像检索实验表明,与使用手工特征和卷积神经网络特征的非深度哈希学习算法的最好结果相比,DPLAH的平均准确率均值要高出11％,同时,DPLAH的平均准确率均值比非对称深度监督哈希方法高出2％.